Connected Papers

Connected Papers 是一款帮助研究者与应用科学家可视化探索学术文献的工具，官方称其价值在于「找到并探索与你领域相关的论文」。它的核心玩法很简单：输入一篇论文的标识（DOI、arXiv 编号、URL、标题，或来自 Semantic Scholar、PubMed 的链接），它就会围绕这篇种子论文生成一张相似论文的关系图谱。对刚进入一个新领域、或担心漏掉重要文献的人来说，这种图谱比关键词检索更直观地呈现领域脉络。官网称其依托 Semantic Scholar 数据库，覆盖来自各学科的数亿篇论文。

核心能力

• 可视化文献图谱：输入一篇典型论文即生成相似论文图谱，用节点距离表达相关程度，快速建立对领域的直观理解。
• 先验与衍生文献视图：Prior Works 视图帮助找到领域里重要的奠基性工作，Derivative Works 视图则发现综述与后续的最新进展。
• 查漏重要论文：在机器学习等论文爆发式增长的领域，用图谱式发现避免遗漏关键近期文献，不必自己维护清单。
• 构建参考文献：从确定要放进参考文献的若干篇出发，用图谱补全其余相关文献，辅助完成 thesis 的 bibliography。
• 多入口检索：支持 DOI、arXiv、论文 URL、标题以及 Semantic Scholar、PubMed 链接等多种起始方式，并给出示例图谱。
• 跨学科研覆盖：无论机器学习、生物还是哲学，只要 Semantic Scholar 收录即可建图，不限定单一学科。

适合谁

• 进入新研究方向、需要快速建立领域全景的研究生与科研人员
• 写综述或开题报告、担心遗漏重要文献的人
• 做选题调研、想找先验工作与最新进展的学者
• 需要高效搭建参考文献清单的论文作者
• 跨学科研究者，希望借图谱理解陌生领域的论文关联

使用建议

建议从一个你已读过的、确信相关的种子论文起步，生成的图谱通常比从零搜索更贴合你的方向；对图谱里感兴趣的节点再继续建新图，逐步铺开。写综述或参考文献时，先用 Prior Works 锁定奠基文献，再用 Derivative Works 补齐最新 SOTA，结构会更稳。免费与付费范围以官网定价页为准，图谱数据依赖 Semantic Scholar 收录，极少数未收录文献可能不出现。引用前仍要回到原文核对，图谱只是发现线索的入口，不是文献权威性的背书。